MétaCan
Menu
Retour à la cohorte
Enregistrement W2059426507 · doi:10.1108/17439131211201013

New venture start‐ups and technological innovation

2012· article· en· W2059426507 sur OpenAlexaff
George Blazenko, Andrey D. Pavlov, Freda Eddy‐Sumeke

Notice bibliographique

RevueInternational Journal of Managerial Finance · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCommercializationVenture capitalRevenueEarningsInvestment (military)BusinessStart upBusiness modelEarnings before interest and taxesEconomicsValue (mathematics)EntrepreneurshipIndustrial organizationFinanceMarketingBusiness administrationComputer science

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to compare investment in innovation (e.g. R&D) between new venture start‐ups before commercialization and operating businesses after commercialization. Design/methodology/approach Real options methods were used to model a new venture start‐up as a perpetual call option on an operating business that grows with R&D. The operating business uses R&D to improve actual earnings while the start‐up uses R&D to improve prospective earnings. When the start‐up entrepreneur commercializes his/her new product, device, or service with conventional investment (e.g. plant, property, and equipment to begin production), prospective earnings convert into actual earnings. Findings The ability of the start‐up entrepreneur to avoid commercialization costs upon failed R&D makes R&D more valuable to the start‐up entrepreneur than to the manager of the already operating business (for whom commercialization costs are sunk) and despite R&D costs that the start‐up incurs without the revenues that only commercialization generates. The value of R&D to the start‐up can be so great that the entrepreneur invests in R&D before the manager of an otherwise similar operating business in similar business conditions. Originality/value Without favoring either a priori , the authors show that under broad circumstances, a new venture start‐up undertakes R&D before an already operating business. The authors also discuss the empirical implications of the results.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,675
Score d'incertitude au seuil0,298

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,234
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Managerial FinanceMême sujetCapital Investment and Risk AnalysisTravaux en français237 207